[深度学习]Object detection物体检测之SPPNet(3)

目录

1.论文的综述

2.Spatial Pyramid Pooling结构

3.Training the Network训练网络的细节

4.SPP-NET FOR OBJECT DETECTION

---

论文全称：《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》

论文地址：https://arxiv.org/pdf/1406.4729.pdf

论文一作是kaiming He，怎么到处都是你，真的强的不像话呀。

1.论文的综述

当下卷积神经网络的弊端是输入必须是fixed size统一大小，然而这么做是很不科学的，为了把图片送进我们训练好的网络我们必须crop或者warp，具体看下图。crop的坏处是使图像不完整，warp的坏处是使图像产生了几何畸变。这两种情况都会降低分类的准确率，并且统一的输入大小不符合现实生活中的实际情况，因为很多物体没有固定的长宽比，而照片也没有固定的像素。

所以作者就思考一种解决办法，他们分析其实传统卷积网络无非就是卷积部分加上全连接部分，卷积分部提取图像特征其实并非一定要统一的size，只是后面的全连接需要统一大小的feature，所以作者在卷积层和全连接层之间加入一个Spatial Pyramid Pooling空间金字塔池化，它的作用是使得大小不一致的feature变成固定大小的feature，来匹配全连接层。下面是传统方法和本论文方法的区别图：

那么SPPNet有什么特性使它特别适合CNN呢？

1. SPP能够生成固定长度的输出，而不考虑输入大小，而在以前的深度网络中使用的滑动窗口池化却不能;
2. SPP使用multi-level spatial bins多级空间箱，而e sliding window pooling滑动窗口池化只使用单个窗口大小。多级池已被证明是鲁棒的对象变形。
3. 由于输入尺度的灵活性，SPP可以在可变尺度下提取特征。（这里第三点有点疑惑，论文里面这说的不明白）

无论是在testing还是training，可变输入都是允许的